Een bedrijf verzamelt een grote hoeveelheid ongestructureerde tekstfeedback van gebruikers en wil het sentiment in die tekst bepalen. Welke aanpak voldoet het beste aan deze behoefte?

De beste aanpak voor het analyseren van sentiment in grote hoeveelheden ongestructureerde tekstfeedback is het gebruik van een groot taalmodel (LLM) voor natuurlijke taalverwerking (NLP). LLM's zijn getraind op enorme datasets en blinken uit in het begrijpen van context, nuances en sentiment in menselijke taal, zelfs in ongestructureerde vormen. Ze kunnen direct worden ingezet voor sentimentanalyse zonder uitgebreide, specifieke training. Een regressiealgoritme is niet geschikt omdat sentiment classificatie is, geen regressie. Het trainen van een regressiealgoritme om feedback in categorieën te plaatsen en daaruit sentiment af te leiden, is een omslachtige en minder accurate methode dan directe NLP. Een aanbevelingssysteem is ontworpen om items aan gebruikers aan te bevelen, niet om sentiment uit tekst te extraheren. Een tijdreeksalgoritme is bedoeld voor het voorspellen van toekomstige waarden op basis van historische gegevens, niet voor het analyseren van sentiment in ongestructureerde tekst op een bepaald moment.